“我们不是一年做30笔投资”：Vijay Pande谈在a16z管理40亿美元后如何小规模下注

过去，Vijay Pande在学术界的名气要比在投资圈更大。但大约十二年前，这种情况突然改变了——Marc Andreessen和Ben Horowitz在最初五年里明确回避医疗健康与生命科学领域，最终决定在这一领域下注，并把钥匙交给了Pande。当时，他是斯坦福大学的化学教授，因创建Folding@home而闻名，这个分布式计算项目将数百万台家用电脑变成了用于疾病研究的超级计算机。在接下来的十多年里，他将a16z的这一赌注发展成了一个管理近40亿美元资产的业务。 因此，去年6月Pande离开这一切去创办一个规模小得多的新事物时，多少有些出人意料。事实上，他与资深投资人Zach Werner共同创立的新公司VZVC，每年只做少数几笔集中投资，而不是几十笔；公司没有初级合伙人，日常运营高度依赖人工智能。 为了更深入了解Pande这次艰难的转向，本周我们与他聊了聊：为什么在当前市场环境下，他选择只做少数几笔集中押注，而不是四面出击；同时，我们也探讨了AI驱动生物技术领域一个最有趣的难题：与文本不同，生物数据无法从互联网上抓取，因此几乎每家公司最终都在构建自己封闭的数据集。这对AI在医学领域所承诺的种种进步意味着什么？谁又能真正获得这些进步？ 本对话经过编辑，力求简洁明了。你也可以收听下方更完整的对话。 你曾说过，生物学正从“发现的科学”转变为一种可以工程化的东西。这意味着什么？ 在很长一段时间里，药物的开发方式带有很大的偶然性。我认为已经发生的变化是，AI和机器学习让计算机能够将其理解方式应用于非常非常复杂的事物上……试图找出针对特定疾病你希望药物靶向的目标，制造这些药物，现在甚至还能帮助临床试验——而临床试验是整个过程最昂贵的部分。 我以为临床试验正在变得更便宜，因为药物开发者使用了更多合成数据，所以试验所需的人手减少了。 我认为，这在很大程度上是一种愿景。 进入临床试验的成本和时间一直在缩减，尤其是在AI的帮助下，但进行一项试验仍可能需要数亿美元，这也是药物非常昂贵的原因。一种药物从首次试验到第三次试验结束的成功概率只有20%。如果10个里有8个失败，而这些试验又耗费数亿美元，摊销成本就会非常高。它们失败的原因通常不是生物学家做错了什么，而是这些药物所基于的所有实验都是在老鼠等动物模型上进行的，而动物模型最终对人的预测性并不强。AI模型不会完美，但它会远比任何动物模型更好，一旦它越过那个门槛，一切就会变得非常令人兴奋。 [那之后的阶段是]：这种药对我合适吗？ 你指的是个性化医疗…… 这里的行话是所谓的精准医疗。如果你带着某种不简单的病症去看医生，他们只能猜测发生了什么事，因为他们能判断的信息有限。然后他们给你一种药——如果没效果，再给你另一种药，接着再换一种。这种情况发生在癌症治疗中，也发生在许多其他领域。如果第一种药就是对症的药，我们所有人都会好得多。通常，你的血液检查数值会与人群平均值比较。但实际上，它们应该比较的是：这个[结果]对你来说是否异常？我们在医学方面也开始做的，就是理解什么对个体才是正确的。 你会说达到这一刻的路径是缓慢而稳定的，还是最近才突然加速？ 我认为是许多不同的事情[汇聚在一起]。例如，精准医疗在很长一段时间里都基于基因组学。但现实是，你的基因组就像你房子第一天的蓝图，但你的房子现在与刚建成时相比已经大不相同了。所以，人们现在可以在蛋白质组学等方面测量许多其他东西，这些对于理解疾病和了解你身体的当前状态更为相关。此外，在机器人测量方面也有很多自动化，这与AI天然相关，两者相辅相成。 在过去十年里，AI用于生物学和AI用于化学都保持着稳定的节奏。生物学方面是，我们如何治疗这种疾病？化学方面则是，我们如何想出针对那个特定蛋白质的药物？在这10年里，确实取得了非常显著的进展。 你提到，生物学是少数几个AI无法直接从互联网抓取数据的领域之一。这对该领域的发展意味着什么？ 在这个领域，你没有那种所有人都可以用来训练相同模型的数据，而且你的数据无法从一个模型提炼到另一个模型。从纯粹的AI意义上讲，这是一个非常有趣的游戏。 但这难道不也呼应了医学中一个熟悉的问题吗——医生在各自[领域性、往往竞争性的]孤岛中运作？ 你触及了一个非常重大的问题。假设[某人]患有某种癌症，它既是肿瘤学又是内分泌学的问题——那两位医生真的不太会很好地协同。AI真正有趣的地方在于，它原则上可以成为所有领域的专家，它可以开始看到任何单个人类都无法看到的东西。这相当于让一支最优秀医生的团队在那一刻齐聚一堂。 但是否有足够的数据共享来实现这一愿景？我理解创始人为什么想保护他们[各自的发现]，但是…… 我认为一个更大的趋势是，我们开始看到向构建这些生物信息图谱的转变——从技术角度看，它们通常是基础模型。随着它们变得越来越普遍，我认为我们会看到与开源大语言模型（LLMs）同样的情况出现，这些开源模型在与企业模型竞争时表现出色：生物学中的开源基础模型将产生非常广泛的影响。 你参与了Genesis Therapeutics，这家公司源自你在斯坦福的实验室；还有Insitro，这是由你在斯坦福的前同事Daphne Koller创立的药物发现公司。你说你还在孵化一家公司，创始人是位你认识20年的老友。你在寻找什么样的创始人，关注哪些领域？ 有两个领域我花了最多时间。一个是AI用于医疗保健服务，这也是我在a16z做了很多的事情；另一个是AI用于临床试验。 对我来说，创始人最重要的一点是我们可以真正信任彼此——那些诚信度高、言行一致的人……我期望这种关系能持续5年、10年甚至更久，理想情况下贯穿他们的下一家公司。我想和那些同样长期思考的人合作。理想情况下，他们不仅试图赢并打败别人，而是真正思考这个问题：我们如何一起赢？ 到目前为止，在你的投资生涯中，你做对了什么，又做错了什么？ 十多年前，当我开始谈论AI、机器学习、技术、医疗和生物时，遇到了很多阻力，很多人说‘哦，那永远不会发生。那永远不会有用’之类的。如今这种阻力已基本消失，看到这一发展轨迹让我非常满足。 我认为我花了一些时间才真正领悟到，尽管最酷的技术很诱人，但一切都终究要回归到市场落地。我告诉我的创始人，尤其是那些来自科学或产品背景的创始人，要他们把自己所有的才华和创造力真正应用到市场落地方面，因为市场落地至少和技术一样难，甚至更难。 请帮助我们理解，与你在a16z管理时的模式相比，你是如何设计这家新公司的？ 目前，我们做的事情非常不同……VZ是以我的名字Vijay和我的联合创始人Zach Werner命名的——他是那个Z。我们刻意保持非常小……在投资方面，实际上只有我们两个人。我们原本确实打算招聘初级合伙人，但结果发现，凭借我们建立起来的智能代理，并不需要这么做。 “集中”有多集中？ 我们不是一年驱动30笔投资……我们谈论的可能是5笔，不是很多投资——非常集中。对于普通基金来说，增加一家公司就像加一个Facebook好友——那是你可以很快完成的事情。但对我和Zach来说，这更像是……想要多一个孩子。这对我们来说是件大事。 在这种结构下，你在交易中的竞争对手是谁？ 有趣的是，在这种模式下，通常我们并不试图去竞争一个热门的轮次——人们会为我们腾出空间。这和去抢一个热门的A轮或B轮完全不同。很大程度上，人们希望我们成为投资者，是因为我和Zach能做什么，以及我们能多么亲力亲为。当我看向那些给我启发的人时，我会看像Valor的Antonio Gracias那样的人——他现在因为SpaceX的交易而知名，但他已经坚持自己做的事20年了。Thrive所做的，通过更集中的投资组合，也给了我真正的启发。显然，a16z某种程度上也烙在我的DNA里，但我认为其他那些是我们思考方式的新增部分。 目前AI和生物技术领域有什么被过度炒作？ 现实是，AI可以找到我们仅靠人类无法获得的洞见。当有人说AI将治愈一切时，事情就会变得棘手。之所以对此犹豫，不是因为对AI有任何怀疑——而是对数据的怀疑。大语言模型之所以有效，是因为有大量数据可供学习。当数据根本不存在时，AI就无法神奇地解决那个问题。